ذرة غبار صغيرة في محلول فائق التشبع تتحول خلال ثوانٍ إلى بلورة كبيرة متعددة الأوجه. وتبقى الجسيمات المجاورة غير مرئية. اكتُشفت مؤخرًا عملية مشابهة في مجتمعات الوكلاء اللغويين. فعندما مُنحت مئة نموذج حرية اختيار من تتحدث إليه، فإن تفاوتها التواصلي لم يتلاشَ، بل تصلب كما لو كان شبكة بلورية.

شارك في التجربة 100 عميل — لكل منهم نموذجه الخاص، وقدرته الحاسوبية، ودور مثل «المُفسِّر» أو «المُدقِّق». قاموا بحل مسائل عبر التواصل في أزواج. وكان كل عميل يُحدد قوة الرابط بنفسه عن طريق تقييم الشريك باستخدام آلية الانتباه (attention mechanism): حيث يُقارَن استعلام الهدف بمفتاح المصدر. نتج عن ذلك متجه تواصل ثلاثي الأبعاد — ميزانية الرموز، وعدد الجولات، وعمق الاستدلال. وبالتدريج، تشكلت من التفاعلات العشوائية شبكة (graph) من التفضيلات.

وصف الباحثون الديناميكا المتوسطة بواسطة المعادلات التفاضلية (differential equations). اتضح أن النظام يصل حتمًا إلى توازن، لكن هذا التوازن غالبًا ما يكون غير عادل. يتوقف متجه حصص تأثير نوع العميل عن التغير وفق القاعدة: \( \Theta^\star = F(\Theta^\star) \). هنا \( \Theta \) يمثل حصص الكتلة التواصلية، و\( F \) هو اقتران يحسب الزيادة المتوقعة في الروابط استنادًا إلى إحصائيات اللقاءات الثنائية. وبفضل خواص التقليص للاقتران \( F \)، تنكمش أي حالة ابتدائية نحو النقطة نفسها. تكون البلورة قد تشكلت، ويتعذر تغيير بنيتها بعد ذلك.

إذن، بالنسبة لمنظومات الذكاء الاصطناعي متعددة المكونات، لا يكفي التحقق من دقة الإجابات. بل يجب تحليل طوبولوجيا الشبكة (network topology): من يتحدث إلى من، ومن يكون صوته أعلى. تظهر أداة للتنبؤ: بمعرفة إحصائيات التفاعلات الزوجية، يمكن حساب ما إذا كان العميل القادر سينتهي به المطاف على الهامش. وفي المستقبل، البحث عن «مُنظِّمات تبلور» شاملة تُضعِف الارتباط التفضيلي (preferential attachment) غير المرغوب فيه دون أن تدمر التعاون. وهذا يُغير مشهد تطوير منظومات الذكاء الاصطناعي متعددة الوكلاء وأمن الذكاء الاصطناعي.

في وقت ما، بدا نمو البلورة غير قابل للعكس، حتى تعلم الكيميائيون إدخال شوائب تُغير شكل الشبكة. ومع شبكات الوكلاء المستقلين، علينا أن نسلك الطريق نفسه — كي لا تنطفئ ألمع أوجه الذكاء الجمعي في ظل ظروف عشوائية.